随着Internet和多媒体技术的迅速发展产生了大量的数字图像库,基于内容的图像检索技术(CBIR)应运而生,但在实际应用CBIR系统中发现,用户必须提供一幅待查询的图像,再通过对待查询的图像提取一定的底层特征,找出特征空间中与提供查询的图像最接近的图像。但当用户没有一幅查询图像时,只有对要查询图像一些较为模糊的概念,则CBIR显得无能为力,近年来不少学者把图像检索上升到图像的更高一层的抽象—图像高层语义。如何解决图像低层视觉特征和高层语义特征存在的“语义鸿沟”已成为语义图像检索问题的关键,以往的映射方法是把一幅图像归于一类语义图像。在自然风景图像中包含丰富的高层语义信息,其归类不是很明显,例如一幅包括山,水,蓝天的自然风景图像分别以某种隶属度归入几类语义图像。文中提出根据自然图像的底层信息自动获得高层语义完成自然风景图像多语义分类,最终实现对自然风景图像的有效检索。本文主要工作包括:(1)根据自然风景图像中的目标区域颜色较单一提出不断对彩色图像采用最优阈值化进行一次粗分割提取最大目标区域,再利用改进的K-均值算法对提取目标子区域进行精确分割,实验结果表明该方法对自然彩色图像能够有效的提取目标物体,并对噪声图像具有一定的鲁棒性。(2)在此基础上,通过在分割区域上提取图像的局部颜色和形状特征,再利用改进的模糊神经网络建立低层视觉特征和高层语义特征之间的映射,实现了图像属性信息的有效传递和高层语义的自动获取。部分类别的检索准确率接近90%,查全率也达到了75%,实验结果证明了该方法对自然图像检索的有效性及先进性。